超越版本更迭：利用游戏设计参数实现抗版本变动的电竞分析
机器学习
2024-01-08 v3 人工智能
摘要
电竞游戏在全球游戏市场中占据可观份额，且是游戏领域增长最快的板块。这催生了电竞分析这一领域，其利用游戏遥测数据服务于玩家、教练、转播方及其他利益相关者。相较于传统体育，电竞作品在机制与规则上均变化迅速。由于游戏参数的频繁变动，电竞分析模型可能寿命短暂，而这一问题在文献中基本被忽视。本文从游戏设计（即版本更新说明）中提取信息，并利用聚类技术提出一种新形式的角色表征。作为一个案例研究，我们训练了一个神经网络模型，利用该新颖角色表征技术预测 Dota 2 比赛中的击杀数。随后将该模型性能与两个不同基线（包括常规技术）进行评估。该模型不仅在准确率上显著优于基线（AUC 85%），且在引入一个新角色及一种全新角色类型的两个较新游戏版本中仍保持准确率。这些游戏设计上的变动通常会破坏文献中常用的常规技术。因此，所提出的角色表征方法可延长机器学习模型的寿命，并相较文献中典型采用的常规技术带来更高性能。
引用
@article{arxiv.2305.18477,
title = {Beyond the Meta: Leveraging Game Design Parameters for Patch-Agnostic Esport Analytics},
author = {Alan Pedrassoli Chitayat and Florian Block and James Walker and Anders Drachen},
journal= {arXiv preprint arXiv:2305.18477},
year = {2024}
}